Python 使用非图像输入的卷积神经网络

我想使用卷积神经网络，但我有一个2D数组作为输入，而不是图像。我试图评估一个棋盘游戏状态，其中形状很重要

电路板为5x5，值可以在-1和1之间，存储为列表列表，例如：

[[-1,1.0,-1,1,-1],[0,1,0,0,0],[0,0,0,0,0],[0,0,0,0,0],[-1,0.6,-1,-1,1]]

模型的第一层是

tf.keras.layers.Conv2D(32, (3,3), input_shape=(5,5,1))

我将电路板转换为numpy阵列

np.array([[-1,1.0,-1,1,-1],[0,1,0,0,0],[0,0,0,0,0],[0,0,0,0,0],[-1,0.6,-1,-1,1]])

我把黑板整理成一张单子。 然后我将列表转换为一个数组，以适应

model.fit(np.array(x_train_l), y_train, epochs=10)

我得到以下错误：

ValueError:layer sequential的输入0与layer:：expected min\u ndim=4不兼容，found ndim=3。收到完整形状：[无，5，5]

---

只需重塑你的numpy数组的形状（5,5,1）。目前它的形状为（5,5）

---

您可以使用

data[：，：，np.newaxis]

为现有数组

data

实现相同的功能。重塑（5,5,1）和数据[：，：，np.newaxis]似乎都可以做到这一点！单击以接受此答案。。。所以它是“完成的”

 np.array([[-1,1.0,-1,1,-1],[0,1,0,0,0],[0,0,0,0,0],[0,0,0,0,0],[-1,0.6,-1,-1,1]]).reshape(5,5,1)